黑芝麻智能科研论文成功发表在人工智能顶级会议NeurIPS 2023。
NeurIPS(Neural Information Processing Systems)作为当前全球最负盛名的人工智能学术会议之一，讨论涵盖深度学习、计算机视觉、大规模机器学习等众多细分领域。近日，NeurIPS 2023神经信息处理系统大会公布论文录用结果。
黑芝麻智能科研论文"Online Map Vectorization for Autonomous Driving: A Rasterization Perspective"成功获选并发表，主题为使用栅格化视角优化BEV算法中矢量化场景构建，并提出了两点有关构建矢量化高精地图的创新。从官方获悉，本届会议共有12343篇有效论文投稿，其中26.1%被接收并在会议上展示，此次入选充分体现了黑芝麻智能在自动驾驶领域的技术能力和学术成果。
在自动驾驶领域，BEV感知能为自动驾驶感知任务提供有效的时空表征方法，将成为车载感知的主流发展方向，能在多样而复杂的驾驶场景中稳定地构建高质量的矢量化高精地图(vectorized HD map)，BEV感知能力的提升至关重要，它能为环境感知提供重要的高层级语义信息。然而，现有的矢量化高精地图构建方法往往存在一些偏差，现有的评估指标对于这些偏差的敏感度却不足。这在对精度要求极高的自动驾驶场景中，可能带来安全隐患。因此，我们需要更有效的地图矢量化方法和更敏感的评估指标，以提高地图构建的准确性，满足自动驾驶的严格要求。
为应对这一挑战，黑芝麻智能的科研团队与新加坡南洋理工大学的研究者们在论文中提出了一个新观点：在“矢量化高精度地图构建”任务中，应当引入栅格化(rasterization)的视角。基于这一动机，他们提出了两点创新：一是建立了一种更加准确和合理的基于栅格化的“矢量化高精地图构建”的评价指标;二是推出了 MapVR(Map Vectorization via Rasterization)，一个受益于栅格化视角的更精准的“矢量化高精地图构建”的框架。
黑芝麻智能研究团队希望，提供栅格化这种全新的视角去理解和处理地图矢量化任务，能够为地图矢量化的进一步创新提供基础，最终促进与助力安全可靠的自动驾驶技术的发展，为智能驾驶行业进步源源不断贡献中国“芯”力量。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
